설치 수 중심의 UA 운영은 여전히 가장 널리 쓰이지만, 실제로는 가장 많은 착시를 만드는 방식이기도 하다. 설치는 유입의 시작일 뿐 가치의 증거가 아니다. CPI가 낮고 설치 수가 많이 잡혀도, 그 유저들이 D1도 넘기지 못하고 이탈한다면 그 캠페인은 싸게 산 것이 아니라 싸게 버린 것이다. 특히 개인정보 보호 강화와 어트리뷰션 신호 약화가 심해질수록, 설치 수만으로 채널 성과를 평가하는 방식은 점점 더 위험해진다. 이제 UA 운영의 기준은 “몇 명을 데려왔는가”보다 “데려온 유저가 얼마나 살아남는가”로 이동해야 한다. 그 전환의 가장 실무적인 기준이 D7과 D30 리텐션이다.
설치 수가 착시를 만드는 이유는 간단하다. 설치는 광고 클릭, 스토어 전환, 초기 온보딩의 영향을 크게 받지만, 제품의 실제 가치 경험과는 아직 거리가 있다. 공격적인 크리에이티브, 과장된 오퍼, 넓은 타겟 확장으로 설치를 많이 늘릴 수는 있다. 하지만 그런 방식으로 들어온 유저는 첫 실행 이후 빠르게 이탈하는 경우가 많다. 반대로 설치 수는 적더라도 D7, D30 생존율이 높은 캠페인은 시간이 지나면서 더 큰 LTV와 더 짧은 Payback으로 이어질 가능성이 높다. 즉 설치 수는 볼륨 지표지만, 리텐션은 품질 지표다. 그리고 장기적으로 수익을 만드는 것은 언제나 볼륨보다 품질이다.
리텐션 기반 UA 운영의 첫 단계는 평가 기준을 바꾸는 것이다. 많은 팀이 여전히 캠페인 성과를 CPI, 설치 수, 초반 CVR 같은 유입 지표로 정렬한다. 이 구조에서는 플랫폼 알고리즘도 가장 값싼 설치를 잘 잡는 방향으로 학습된다. 문제는 값싼 설치가 항상 좋은 유저를 의미하지 않는다는 점이다. 따라서 최소한 내부 성과 리포트에서는 설치 수를 1차 KPI에서 내려야 한다. 신규 유입 평가의 중심에는 D7 리텐션, D30 리텐션, 그리고 가능하다면 리텐션을 반영한 초기 LTV 예측값이 와야 한다. 설치 수는 보조 지표로 남겨두되, 증액과 감액의 기준은 생존율이 되어야 한다.
D7과 D30을 함께 보는 이유도 분명하다. D7은 초기 온보딩의 질과 첫 가치 경험을 잘 반영한다. 즉 광고 메시지와 제품 첫 경험이 잘 맞았는지를 보는 데 유용하다. 반면 D30은 그 유저가 일시적 반응이 아니라 습관 또는 반복 사용으로 이어졌는지를 보여준다. 어떤 캠페인은 D7은 괜찮지만 D30에서 급격히 무너진다. 이는 초반 보상이나 자극적인 후킹으로 첫 일주일은 버티게 만들었지만, 제품의 장기 가치와는 맞지 않았다는 뜻일 수 있다. 반대로 D7은 평범해도 D30이 강한 캠페인은 초반 반응은 화려하지 않아도 더 좋은 유저를 데려왔을 가능성이 크다. 그래서 UA 평가에서는 D7을 빠른 방향성 판단용으로, D30을 확정적 품질 판단용으로 두는 구조가 가장 현실적이다.
실무에서 가장 먼저 해야 할 일은 “설치 코호트 기준 리텐션 테이블”을 고정하는 것이다. 캠페인별, 채널별, 국가별, 플랫폼별로 설치일 코호트를 만들고, 그 코호트의 D1, D3, D7, D14, D30 생존율을 같은 기준으로 추적해야 한다. 중요한 것은 이 데이터를 매출 지표와 분리해서 보지 않는 것이다. 리텐션은 결국 가치로 이어져야 하므로, 가능하면 각 코호트에 D7 누적 매출, D30 누적 매출, payer rate도 함께 붙여 본다. 이렇게 해야 “생존율은 높지만 수익화가 약한 캠페인”과 “생존율은 낮지만 초반 결제 강도가 높은 캠페인”을 구분할 수 있다. 그러나 기본 순서는 리텐션이 먼저다. 장기적으로 살아남지 않는 유저는 어떤 경우에도 LTV 상한이 낮기 때문이다.
리텐션 기반 평가로 전환하면 자연스럽게 UA의 질문도 달라진다. 기존에는 “어느 캠페인이 더 싸게 설치를 가져오는가”를 물었다면, 이제는 “어느 캠페인이 더 오래 살아남는 유저를 가져오는가”를 묻게 된다. 이 질문의 변화는 캠페인 구조를 바꾼다. 예를 들어 지나치게 넓은 브로드 타겟이 설치 수는 많이 가져와도 D7 생존율이 낮다면, 해당 구조는 단순 증액 대상이 아니라 오디언스 정제나 메시지 재설계의 대상이 된다. 반대로 CPI는 높아 보여도 D30 생존율이 높고 이후 payer rate가 강한 캠페인은 더 높은 CAC를 허용할 수 있다. 즉 리텐션 기반 운영은 “얼마에 샀는가”보다 “얼마나 오래 쓸 사람을 샀는가”로 판단 기준을 옮긴다.
이때 반드시 함께 봐야 하는 것이 크리에이티브와 리텐션의 연결이다. 많은 팀이 리텐션을 제품 지표로만 보고 광고와 분리한다. 하지만 실제로는 광고 메시지가 리텐션을 강하게 좌우한다. 광고에서 약속한 가치와 실제 제품 첫 경험이 맞지 않으면 설치는 일어나도 초반 이탈이 급증한다. 따라서 크리에이티브 분석에서도 CTR, CVR만 볼 것이 아니라, 소재별 유입 코호트의 D7 생존율을 붙여야 한다. 이렇게 보면 높은 CTR을 만드는 훅이 실제로 좋은 유저를 끌어오는지, 아니면 단지 호기심만 자극하는지를 판단할 수 있다. 결국 좋은 UA 크리에이티브는 설치를 많이 만드는 소재가 아니라, 제품의 장기 가치와 일치하는 기대를 형성하는 소재다.
리텐션 기반 운영을 하려면 예산 배분 룰도 바뀌어야 한다. 설치 수나 CPI 중심의 구조에서는 자연스럽게 저가 설치 채널로 예산이 몰린다. 하지만 리텐션을 기준으로 보면, 예산은 “D7/D30 생존율이 기준 이상인 채널”에 우선적으로 배분되어야 한다. 가장 실무적인 방식은 세 단계다. 먼저 D7 생존율로 초기 필터를 한다. 설치 수는 충분하지만 D7 생존율이 임계치 이하인 캠페인은 증액을 막는다. 그다음 D30 생존율로 확정 평가를 한다. D7은 좋았지만 D30에서 급락하는 캠페인은 장기 확장 대상에서 제외한다. 마지막으로 D30 생존 코호트의 매출 또는 LTV를 연결해 허용 CAC 상한을 계산한다. 이렇게 하면 CPI가 아니라 “생존 가능한 유저의 장기 가치”를 기준으로 예산이 움직이게 된다.
물론 리텐션만으로 모든 것을 결정할 수는 없다. 리텐션이 높다고 항상 수익성이 좋은 것은 아니기 때문이다. 특히 콘텐츠 소비형 서비스나 무료 사용 비중이 큰 앱에서는 D30이 높아도 결제 전환이 약할 수 있다. 그래서 리텐션 기반 UA 운영은 “설치 수 대신 리텐션만 보자”가 아니라, “설치 수 중심 평가를 리텐션 중심 평가로 재정렬하고, 그 위에 수익화를 얹자”는 의미에 가깝다. 즉 순서는 리텐션이 먼저, 수익화가 그다음이다. 살아남지 않는 유저는 과금 가능성도 없지만, 살아남는 유저는 최소한 수익화 실험의 대상이 될 수 있기 때문이다.
운영상 가장 현실적인 방법은 캠페인들을 리텐션 기준으로 계층화하는 것이다. D7과 D30이 모두 기준 이상인 캠페인은 확장 Tier로 두고, 예산을 우선 배정한다. D7은 높지만 D30이 약한 캠페인은 개선 Tier로 두고, 온보딩/크리에이티브/타겟 정제 작업의 대상이 된다. D7부터 낮은 캠페인은 실험 Tier로 제한하며, 볼륨이 커지기 전에 구조를 바꾼다. 이 구조를 쓰면 예산 증액이 감이 아니라 품질 기준에 따라 이뤄진다. 동시에 플랫폼의 자동 최적화가 설치 수를 잘 가져온다고 해서 무조건 더 믿지 않고, 내부 품질 지표로 한 번 더 필터링할 수 있다.
결국 리텐션 기반 UA 운영은 광고를 단기 유입 채널이 아니라 장기 사용자 획득 채널로 다시 정의하는 작업이다. 설치 수는 여전히 필요하지만, 더 이상 핵심 지표가 되어서는 안 된다. 중요한 것은 얼마나 많이 데려왔는가가 아니라, 얼마나 오래 남아 있을 사람을 데려왔는가다. D7과 D30 생존율로 캠페인을 보기 시작하면, CPI가 싸다는 이유만으로 예산을 태우는 구조에서 벗어나고, 제품 가치와 정렬된 유저를 더 많이 확보하는 방향으로 운영이 바뀐다. 결국 좋은 UA는 설치를 사는 것이 아니라, 리텐션을 사는 것이다.